本文由《现代远距离教育》杂志授权发布
作者：戴心来、刘聪聪
摘要
虚拟学习社区中的信息交互对学习者的学习绩效具有重要影响。结构洞理论关注于人际关系网络的结构形态，有助于揭示虚拟学习社区中的信息流动与分享。通过社会网络分析法，在对虚拟学习社区整体交互分析以及社区成员群体划分的基础上，开展了四类群体的结构洞指标测量及中间人的次数分析，探究了不同群体信息交互的中介特征。研究表明：核心参与者的信息交互中介性最强，消极边缘者的中介性最弱，意见引导者与意见附和者则分别由于发贴数量有限或发贴质量不高，致使信息交互中介作用均显不足。教师应依据不同群体的差异进行针对性的干预和指导，以更好地促进虚拟学习社区集体智慧的发展。
关键词：结构洞理论；虚拟学习社区；社会网络分析；交互；中介性
一､引言
互联网时代的到来，深刻地改变着人们的学习方式，使学习不再受制于传统的时空，而从现实的物质世界延伸到了虚拟的网络空间，虚拟学习社区应运而生。随着学习者在网络平台上的交流互动，虚拟学习社区的社会网络逐渐形成，这种社会网络随即成为进一步推动信息资源在社区成员间流动与分享的必要路径。在信息传递过程中如果某个学习者介于另两名学习者之间，则该学习者便在社会网络中占据了交换资源的良好位置，同时也发挥着信息传递的中介作用。研究表明，在虚拟社区学习中，学习者除了通过直接联系获取信息外，还大量通过间接关系获取社区中的信息，通过“结构洞”获取信息是利用间接关系获取信息的主要表现形式[1]。结构洞理论关注于人际关系网络的结构形态，以此开展虚拟学习社区信息交互中介性探究，将有助于揭示虚拟学习社区中的知识信息流动与分享。在对虚拟学习社区整体交互分析以及对社区成员群体划分的基础上，开展了基于Moodle网络平台开发的虚拟学习社区实证研究，对各类群体的结构洞指标测量以及中间人次数进行统计分析，探究了不同群体信息传递的中介特征，以期从信息传递中介性的角度来揭示虚拟学习社区参与者间的信息交互，从而促进虚拟学习社区集体智慧的发展。
二､虚拟学习社区信息交互文献研究
在社会学理论中，“交互”一词主要指社会上不同主体对象之间通过信息的传播而发生的具有互相依赖性的一种社会交往活动[2]。这种交往活动在远程学习中广泛存在，王志军指出教与学时空分离的本质决定了交互性是远程学习环境的一个日益重要的特性[3]。陈丽对“远程学习中的教学交互原理”开展了深入研究，其系列文章受到了学术界的广泛关注和高度评价[4]，尤其是教学交互层次塔，系统地揭示了远程学习中教学交互的内在结构[5]，将教学交互从低级到高级､从具体到抽象分为操作交互､信息交互和概念交互三个层面，其中学习者间的交互隶属于中间的信息交互层次，学习者间只有通过有效的信息交互，才能为深度的概念交互创造更好的条件，从而促进学习者有效学习。
为揭示虚拟学习社区参与者间交互的行为规律，有必要将学习者置于其所处的社会网络中，进而从社会网络所特有的关系视角来考察，目前相关研究已初步展开，如赖文华等利用社会网络分析法，从密度､社群图､中心性､小团体以及小世界效应等方面来分析虚拟学习社区知识共享的社会网络结构[6]，宋学峰等针对“知乎”社区中的网络交互数据，分析了该社区的各种社会网络属性，探讨如何提高社区的知识共享水平[7]。这些探究对于促进虚拟学习社区学习者间的知识共享与知识建构具有重要启示，但研究大多聚焦于整体或子群的交互情形及个体的参与程度，较少触及到对交流过程中起中介作用的第三方的探讨。事实上，学习者在线学习的信息和知识的获取既可以通过直接联系方式，又可以通过间接方式，而后者可以借助“结构洞”开展深入探究。
“结构洞”是一个重要的社会学概念，由美国社会学家Burt于1992年提出。Burt将两个行动者之间的非冗余关系定义为结构洞，并指出它是一个网络中的好位置[8]。孙笑明等从关系缺失的角度来考察，认为网络中某个行动者所连接的另外两个行动者之间不存在直接联系时，该行动者所占据的网络位置就是结构洞[9]。结构洞可以作为一种社会资本，为其“占据者”带来信息和控制两方面的优势，进而获取更大利益，一方面由于占据结构洞的网络结点处于网络中信息枢纽的位置，能够及时获取来自多方的信息资源，并成为信息的集散中心；另一方面，凭借自身中间人地位和信息优势，可以决定各种资源的流向，从而对互不相连的另外两方形成控制。结构洞理论拓展了组织分析的网络结构视角，因而目前在社会学､管理学､经济学等领域产生了强烈影响，近年来有研究者将其引入网络教育领域，如赵健针对网络环境下建立的城乡教师学习共同体开展了结构洞与中间人角色探究，分析了不同学校教师发挥中间人角色的差异[10]。王陆考察了意见领袖群体在虚拟学习社区社会网络中的作用，指出这一群体是构成社会网络信息通路的重要人物[11]。刘敏等通过结构洞指标的测量，开展了教师虚拟社区意见领袖的社会网络位置及角色分析[12]。可见，目前基于结构洞的虚拟学习社区研究尚属初步开展，且多聚焦部分群体如意见领袖或中间人角色探究。本文将在前人研究的基础上，关注虚拟学习社区全体参与者，探究社会网络结构中每个成员信息交互的中介特征，以充分发挥中间人的桥梁作用。
三､研究对象与方法
（一）研究对象
选取某师范大学一个基于Moodle平台开发的“现代教育技术”网络课程为研究个案，学习群体是2015级汉语国际教育专业47名本科生，课程教师1人。Moodle是一个免费开放源代码系统，依托自建的课程管理系统，以学习者在网络平台论坛中开展交互讨论的帖子为研究数据，深入探究学习社区的社会网络结构以及每个成员信息交互的中介特征。
（二）研究方法
本文主要运用个案研究方法和社会网络分析方法，通过社会网络分析软件UCINET6.212和社会网络可视化软件NetDraw2.084开展学习群体的社会网络分析，利用社会网络分析插件SNAPP1.5进行交互数据的提取。由澳大利亚伍伦贡大学研发的SNAPP软件能够实现与Moodle平台的无缝对接，本文借此对课程平台中的社会网络数据进行提取。需要说明的是，数据提取之前需要对平台中的帖子进行清洗，即删去与学习无关的帖子。UCINET是一款具有强大分析与统计功能的社会网络工具，不仅可将一个复杂的网络进行由外至内的结构化､精细化表征，还可进一步定位行动者的网络位置和网络角色，本文将据此开展社区整体交互分析､参与者群体划分､结构洞测量等工作。
四､数据分析
（一）虚拟学习社区的整体交互情况分析
通过可视化分析软件NetDraw可得到平台上参与课程交流讨论的48名师生共1170条帖子的整体社群图，如图1所示。由图1可知，48个网络节点总计产生了1170个连接关系，位于网络中心部分的节点具有较密集的连接关系，四周节点的连接则较疏散。节点间的连线代表了成员间的互动及由此所形成的社会关系，其箭头指向表明了在一个关系中是发起者还是接受者[13]。此外，还可以了解到发帖量最多者为LiJianyuan，共117条，而发帖量最少者为Zheng Xinlei和Zhu Jiacheng，二者都仅发帖2条。整体社群图直观地表达了所有社区成员间的关系网络，进一步使用UCINET对提取的数据进行分析，沿着Network→Cohesion→Density→DensityOverall的操作路径计算，可获得虚拟学习社区社会网络密度为27.3%，这与首都师范大学一个由44名师生共同构成的某虚拟学习社区社会网络密度28%相近[14]。研究对象的这一指标表明已经形成了具有一定规模的社会网络，确保了本文研究对象的稳定性与可靠性。
（二）参与者群体划分
分类是人们认识事物的一个有效途径，在社会网络分析中，点出度和点入度常被用来衡量一名参与者在群体中的活跃度与声望，本文将综合这两个测量指标对参与群体进行划分。点出度即某参与者回复的帖数，用以衡量一名参与者在社会网络中与他人的互动程度，其值越高，意味其越能与他人积极互动；点入度即某参与者收到的帖数，用以衡量其他成员与该参与者建立联系的程度，其值越高，意味该参与者的声望越高[13]，能更多地引起他人的回应。利用UCINET软件，沿着Network→Centrality→Degree的操作路径进行社会网络度数分析，并在“Treatdataassymmetric”选项中选择“No”即将网络数据视为有向数据，由此区分发帖和回帖的不同意义，48位参与者按点出度降序排列的计算结果如表1所示。
表1 按点出度降序排列的参与者点度数由表1可以看出：（1）点出度从1到35不等，其中19号点出度最高，15号次之，有10位参与者点出度超过20，说明这些参与者在网络社区互动中非常活跃，能积极主动与他人建立联系；（2）点入度从320到36不等，其中21号点入度最高，为虚拟学习社区中的教师，此外序号为39､27和41参与者的点入度值也较大，表明在网络中拥有较高的声望和影响力；（3）点出度和点入度的最小值分别为1和0，说明群体中每一个参与者都存在发帖行为，但并非每一个发帖都得到了回帖，如46､13和45序号的3个人点入度均为0，其发布的帖子没有得到回帖，属于网络中的边缘人物。
本研究综合点出度（M：12.833，SD：8.204）和点入度（M：12.833，SD：8.345）两个指标，以二者均数为阈值，将虚拟学习社区中群体划分为四类，包括以19､15号所代表的14人为核心参与者，8､10号等8人为意见引导者，1､2号等8人为附和者，47､3号等18人为消极边缘者。后续将通过结构洞理论测量四类群体的信息交互特征，以进一步揭示不同参与者所发挥的信息传递中介作用。
（三）“结构洞”测量
在Burt的结构洞指标体系中有效规模和限制度是两个重要的指标。前者体现了一个行动者个体网络中的非冗余因素，通常其值越大，代表网络的重复程度越小，则存在结构洞的可能性越大。后者指示着行动者受其他行动者限制的情况，反映了一个行动者在其个体网络中拥有的利用结构洞的能力，其值越大，则存在结构洞的可能性越小[15]。
在利用UCINET软件进行结构洞各项指标计算时，通常有两种不同的模式，分别为整体网分析模式（Whole network model）和个体网分析模式（Ego network model）。鉴于本文所要获知的是在虚拟学习社区的整体社会网络中各个行动者的结构洞信息，因此选择整体网分析模式，得到的结构洞测量指标如表2所示。
由表2可知，有效规模（M：11.289，SD：6.285）最大者为21号，值为24.136，最小值为22和45号，值均为1；限制度（M：0.154，SD：0.084）最大者为45号，值为0.553，最小者为21号，值为0.101。进一步的数据统计分析表明：（1）虚拟学习社区中的核心参与者的限制度均很低，表明这类群体受其他参与者的限制程度很小，而与其他参与者之间形成很多连接，同时有效规模很大，远高于平均值，表明这些连接具有较低的冗余性，因而在虚拟学习社区信息传递中具有很强的桥梁作用；（2）社区中意见引导者和意见附和者的限制度仍很小，低于平均值，表明这两类群体与其他参与者之间均存在许多连接，二者的区别在于意见引导者的连接中多为其他参与者主动与之建立的，而意见附和者的连接中多为自身主动与其他参与者建立的连接。但二者有效规模均明显下降，表明在这些连接网络中存在较高的冗余性，信息传递的中介作用明显减弱；（3）消极边缘者的限制度在逐渐增加，表明与其他参与者的连接在减少，同时其有效规模进一步下降，均低于平均值，综合这两大结构洞指标看，这一群体冗余性更高，难以发挥信息交互的中介作用。
以上初步分析了核心参与者､意见引导者､意见附和者､消极边缘者四类群体的结构洞指标特征，而各群体信息传递中介作用的具体程度还需要通过对中间人的分析来进一步说明。
（四）中间人分析
中间人（Broker）是建立在结构洞基础上的概念，最早由Burt提出，即中间人是从一个位置发送资源，却从另外一个位置那里得到资源的行动者[16]。在分析中间人时，通常须向UCINET软件提供所有行动者的分组，并以向量数据形式输入软件。由于本文重点关注虚拟学习社区中每个成员担任的总的中间人次数，故可以依据各个行动者在社会网络中的位置进行分组，它可由块模型分析来获取。块模型作为一种研究网络位置模型的方法，是对社会角色的描述性代数分析，在UCINET软件中可以通过迭代相关收敛法将教师虚拟社区分为8个子群（位置）[17]。图2所示为行动者分组情况聚类图，直观地呈现了整体网内部不同子群的成员构成情况以及不同子群的规模大小。本研究选取聚类图中不同层次的聚类流程，进行两两聚类又可以分成4个或2个子群，最终所有参与者聚合成为一个全集。为简洁起见，本文选取聚类层次中的第2层次，即将所有行动者分为4个小组，例如第3层次的第3与4子群，即2､11､33､34､35､46与45､13号参与者为一组，以此类推。
在利用UCINET软件进行中间人分析时，在InputDataset选项中输入虚拟学习社区的节点数据，在Partitionvector选项中输入按照上一步分组情况而编写好的分组向量，在Method选项中选择UNWEIGHED，获得的中间人计算统计结果如图3所示。
图3中的数值即为各参与者发挥不同类型中间人的次数和总次数。Gould & Fernandez将中间人分为五种类型：协调人（Coordinate）､守门人（Gate keeper）､代理人（Represent）､顾问（Consultant）和联络人（Liaison）[16]。本文重点关注虚拟学习社区中各行动者担任中间人的总次数，即各参与者的Total指标（M：178.061，SD：148.528），由该指标的标准差约达149可知，其波动范围较大，可见不同的参与者承担中间人的次数差异明显，也反映在发挥信息交互的中介作用上存在明显差异。使用SPSS19.0统计分析软件分别对有效规模､限制度指标开展与中间人总次数的Pearson相关性分析，结果显示两组都在0.01水平双侧上存在显著相关，相关系数分别为0.884和-0.409，表示那些具有结构洞能力较强的行动者，其发挥中间人作用的次数也明显较多，这也体现出通过分析中间人来进一步揭示其结构洞能力强弱的有效性。
对图3进一步统计分析可知，核心参与者中各成员的中间人次数合计为3483次，占虚拟学习社区全部参与者中间人次数的71.7%，其人均中间人次数约为249次，很好地带动了其他参与者的信息交互，对于维持虚拟学习社区参与者间的信息传递发挥着重要作用；意见引导者中各成员的中间人次数合计为607次，占虚拟学习社区全部参与者中间人次数的12.5%，其人均中间人次数约为76次，与核心参与者相比，其中间人作用不十分显著，大多为单向地引导着学习社区的话题走向；意见附和者中各成员的中间人次数合计为469次，占虚拟学习社区全部参与者中间人次数的9.7%，其人均中间人次数约为59次，可见中间人作用相比于意见引导者进一步下降，一些参与者虽然看起来在积极发帖，但由于多为随声附和而难以引发他人响应；消极边缘者中各成员中间人次数合计为298次，占虚拟学习社区全部参与者中间人次数的6.1%，其人均中间人次数约为17次，可见所发挥的中间人作用很小，其中的45､46､13､3､22､31号参与者的中间人次数为0次，表明在社会网络中没有发挥信息传递的中介作用。
五､研究结果与讨论
在虚拟学习社区中，不同参与者位于网络结构中的位置不同，所发挥的信息传递中介作用亦有很大差别。本研究在对虚拟学习社区参与者群体划分的基础上，通过开展结构洞与中间人分析，考察了社会网络结构中不同参与者的信息交互中介性，研究结果如下。
（一）核心参与者收发贴的数量与质量均较高，信息交互中介作用强
核心参与者群体的点入度与点出度数值均高于平均水平，外在表现是一方面发布了许多很有价值的帖子，引发了其他人的积极响应，另一方面积极呼应他人的话题并由此吸引更多人加入讨论，这也往往意味着他们进行了有效学习与主动思考，不仅利于自身的知识建构，同时也带动着其他人的学习。从结构洞的测量指标看，核心参与者受其他参与者的限制很小，其网络具有很低的冗余性，该群体占据着虚拟学习社区社会网络中极多的结构洞位置，由此发挥了极强的信息传递中介作用，充当着虚拟学习社区的信息枢纽。正是借助这种信息纽带，将不同参与者相联接，为参与者间接获取信息提供了重要支持。
（二）意见引导者发贴质量高，但数量有限，信息交互中介作用不足
意见引导者群体的点入度高于平均值，但点出度低于平均值，表明该群体所发帖的数量一般，但贴子质量较高，能够得到许多成员响应。从结构洞的角度看，这类群体与其他参与者间有许多连接，但存在较高的冗余性，信息传递的中介作用不足。教师应给予该群体足够的关注，充分调动其主观能动性，鼓励其释放信息传递的中介潜能，带动虚拟学习社区整体智慧的发展。
（三）意见附和者发贴数量较多，但质量不高，信息交互中介作用较弱
意见附和者群体的点出度高于平均值，但点入度低于平均值，表明该群体虽然对其他参与者的话题积极回应，发布了大量回帖，但回帖质量不高，无法得到更多参与者响应。从结构洞的角度看，这类群体在与其他参与者间的许多连接中同样存在很高冗余性，信息传递的中介作用较弱。教师应及时了解回帖量不高的原因，如果是观点多为附和､缺乏原创导致的，则应鼓励其多思考，并提出个人见解。
（四）消极边缘者收发贴的数量与质量均很低，信息交互中介作用极弱
消极边缘者群体的点出度与点入度均低于平均水平，表明该群体既缺乏主动与其他参与者进行交流，也没有得到他人的更多回应，处于虚拟学习社区的边缘。消极边缘者的信息传递中介作用极弱，一些参与者甚至没有。研究表明，消极边缘者往往是学习中遇到了困难，或是自身性格内向而不愿主动交流，因此处于一个比较被动的地位。教师应及时了解其困难并适时进行指导，避免出现“马太效应”而导致这些本就被动的群体更加被动。
六､结束语
大数据､云计算､人工智能等新兴技术的迅猛发展，其在教育领域应用日益广泛，为人们更精准､科学地理解教育过程中所产生的数据提供了强有力的支持。基于大规模数据分析的教育指导已成为个性化教育的一个重要特征[18]。立足于虚拟学习社区中真实的网络数据，通过结构洞指标测量，探究了社会网络结构中不同参与者的信息传递中介性。研究表明，核心参与者､意见引导者､意见附和者和消极边缘者四类群体在促进学习者信息获取方面发挥着不同的作用，相应特征为教师有针对性地开展教学指导提供了重要依据。对虚拟环境下各种教育数据的不断深入解读，必将有力地推动虚拟学习社区学习者交互行为研究，促进虚拟学习社区的蓬勃发展。
基金项目：辽宁省教育科学“十三五”规划2016年度研究课题“基于学习分析的个性化网络教学模式与应用研究”（编号：JG16DB242）。
作者简介：戴心来，辽宁师范大学计算机与信息技术学院教授，硕士生导师；刘聪聪，辽宁师范大学计算机与信息技术学院硕士研究生。
联系客服
